termgrade-gemma4-31b-lora
Part of TermGrade: graded environments and trajectories for terminal agents. Read the blog post. 46.1 on Terminal-Bench 2.1...
Part of TermGrade: graded environments and trajectories for terminal agents. Read the blog post. 46.1 on Terminal-Bench 2.1...
Qwen3-4B-Base-GRPO — это контрольная точка после RL, обученная с помощью фреймворка verl. Он начинается с Qwen3-4B-Base и применяет...
[ACL 2026] Репозитории для нашей статьи: Psyche-r1: На пути к надежным психологическим фильмам посредством единой эмпатии, опыта и...